機器翻譯發展歷程
| 階段名稱 | 時期 | 技術核心/代表方法 | 優點 | 缺點 | 代表系統/事件 |
|---|---|---|---|---|---|
| 規則式 (RBMT) | 1950s–1990s | 語法、詞彙、手工規則 | 可控性高、可解釋 | 規則繁瑣、維護困難、適應性差 | SYSTRAN、METAL |
| 範例式 (EBMT) | 1980s–2000s | 雙語語料、範例比對拼接 | 靈活、能處理短語搭配 | 依賴語料、拼接不自然 | ATR、CATALYST |
| 統計式 (SMT) | 1990s–2010s | 機率模型、短語對齊 | 自動化高、品質提升 | 需大量語料、語境理解有限 | Google Translate (2006–2016), Moses |
| 神經式 (NMT) | 2014–至今 | 深度學習、Seq2Seq、Attention、Transformer | 流暢自然、語境理解佳、端到端訓練 | 需大量數據與算力、低資源語言挑戰 | GNMT、OpenNMT、Baidu Translate |
| 當代/未來發展 | 近年 | 大型預訓練、多語言模型 | 多語言、零樣本翻譯、人機協作 | 訓練成本高、專業領域仍需人工參與 | BERT、GPT、mBART、mT5 |